Diese Website funktioniert am besten, wenn JavaScript aktiviert ist.
Verbesserte Erfassung von Wetterinformationen für eine bessere Wettervorhersage
Für den DWD haben wir die Erkennung gewisser Wolkenarten automatisiert
Durch die Vorhersage von Feldfrüchten mit Hilfe von Satellitendaten wird die moderne Landwirtschaft unterstützt.
Ein Algorithmus zur Bildsegmentierung unterstützt nachhaltige Stadtplanung
Von Emilius Richter • 2. August 2022
Ich stelle die besten (Python-)Werkzeuge für die Fernerkundung und die Verarbeitung von Satellitendaten vor, basierend auf unseren praktischen Erfahrungen mit ihnen bei dida. Für einige zeige ich Anwendungsbeispiele inklusive Code.
Von Emilius Richter • 18. Juli 2022
Für einen Softwareanbieter ist der Projektantrag der erste Schritt zur Erfüllung der Anforderungen des Kunden. In diesem Artikel werde ich die wichtigsten Module in Machine-Learning-Projektanträgen beschreiben.
Von Tiago Sanona • 19. August 2021
In Anlehnung an die Arbeit von Garnot et al. verwenden wir eine abgewandelte Version des Transformers, um Pflanzenfelder aus Zeitreihen von Satellitenbildern zu klassifizieren. Damit erzielen wir bessere Ergebnisse als traditionelle Methoden (z. B. Random Forests).
Von Fabian Gringel • 21. Juni 2021
Contrastive Language-Image Pretraining (kurz: CLIP) nutzt Bildunterschriften, um einen Zero-Shot-Bildklassifikator zu trainieren. In diesem Blogartikel gebe ich einen groben, nicht-technischen Überblick über die Funktionsweise von CLIP und zeige auch, wie Sie CLIP selbst ausprobieren können!
Von Emilius Richter • 21. Mai 2021
Wir besprechen, welche Fragen im Vorfeld berücksichtigt und beantwortet werden sollten, um ein erfolgreiches Machine-Learning-Softwareprojekt zu starten.
Von Die besten Bildannotations-Tools für Computer Vision • 8. April 2021
Hier werden wir uns einige der besten Bildannotations-Tools für Computer-Vision-Aufgaben genauer ansehen. Wir werden die Werkzeuge installieren und konfigurieren und ihre Fähigkeiten veranschaulichen, indem wir sie auf die Annotation echter Bilder für eine Objekterkennungsaufgabe anwenden.
Von Fabian Dechent • 19. März 2021
In diesem Artikel werden wir einen Blick auf die Möglichkeiten werfen, die die Fernerkundung mittels weltraumgestützter Bildgebung für die Greenfield-Exploration bietet, d. h. für das Auffinden von Gebieten, in denen der Boden hochgradige Mineralien von Interesse trägt.
Von Dr. William Clemens • 11. Mai 2020
In diesem Blog-Beitrag beschreibe ich eine Reihe von Pre-Training-Aufgaben, die man entweder separat oder in Kombination verwenden kann, um gute "Start"-Gewichte zu erhalten, bevor Sie ein Modell auf Ihren tatsächlich gelabelten Satelliten-/Luftbildern trainieren.
